cas-bigdatalab Entity Attribute Aggregator 实体属性聚合 Skill
功能概述
本skill通过调用大语言模型（LLM）API，从多个相关文档中智能提取并总结给定实体的特定属性信息。 例如：从多篇关于李莲花的文档中总结其"身份背景"或"主要经历"。
触发条件
当用户请求以下任务时，应使用此skill：
- 从多个文档中提取实体信息
- 总结某人物/实体的属性（如身份背景、主要经历、成就等）
- 聚合分散在不同文档中的实体特征
- 根据文档内容生成实体画像
- 文档信息抽取与整合
核心参数说明
必需参数
| 参数 | 说明 | 示例 |
|---|---|---|
--api_model |
调用的LLM模型名称 | qwen2.5-72b-instruct, gpt-4o |
--entity |
要提取属性的实体名称 | 李莲花, 孙悟空 |
--attribute |
要提取的属性名称 | 身份背景, 主要经历, 另外身份 |
可选参数
| 参数 | 说明 | 默认值 |
|---|---|---|
--input_key |
输入文档的键名 | event_description |
--output_key |
输出结果的键名 | entity_attribute |
--word_limit |
输出字数限制 | 100 |
--max_token_num |
输入文档的最大token数 | None (无限制) |
--api_endpoint |
API端点URL | None |
--example_prompt |
示例提示词 | None |
输入文件格式
输入为JSON文件，支持两种格式：
格式1：单条数据
{
"meta": [
{"event_description": "文档内容1"},
{"event_description": "文档内容2"}
]
}
格式2：多条数据
[
{
"meta": [
{"event_description": "文档内容1"},
{"event_description": "文档内容2"}
]
}
]
使用方法
步骤1：准备输入数据
确保文档内容存储在JSON文件的 meta 字段下，每个文档使用 --input_key 指定的键名（默认 event_description）。
步骤2：执行聚合脚本
python scripts/run_entity_attribute_aggregator.py \
--input <输入JSON文件路径> \
--output <输出JSON文件路径> \
--api_model <模型名称> \
--entity <实体名称> \
--attribute <属性名称> \
[--word_limit <字数限制>]
步骤3：获取结果
脚本执行完成后，输出文件包含聚合后的属性总结。
命令行参数速查
python scripts/run_entity_attribute_aggregator.py \
--input ./input.json \
--output ./output.json \
--api_model qwen2.5-72b-instruct \
--entity 李莲花 \
--attribute 身份背景 \
--word_limit 100
输出示例
输出JSON格式：
{
"entity_attribute": "# 李莲花\n## 身份背景\n..."
}
命令行输出：
[OK] Entity attribute aggregation completed!
Entity: 李莲花
Attribute: 身份背景
Input file: ./input.json
Output file: ./output.json
环境要求
安装依赖： 本SKILL使用依赖 data_juicer，请在调用前安装好python环境并安装data_juicer，可用以下指令进行安装：
pip install py-data-juicer
API配置： 使用此skill前，需要设置以下环境变量：
export OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1/
export OPENAI_API_KEY=your_api_key
注意事项
- 必需参数：
--api_model,--entity,--attribute是必需参数 - 输入格式：输入JSON必须包含
meta字段 - API配置：确保环境变量中配置了正确的API端点和密钥
- 输出路径：脚本会自动创建输出目录
- 字数限制：默认100字，可通过
--word_limit调整